语织风格记忆 Adkid-Zephyr/Liltloom

Liltloom / 语织

让 AI 慢慢学会你的表达，需要时再织进回答。
中文优先 · 用户拥有 · 静默学习 · 显式取用 · 可检查、可编辑、可迁移 A Chinese-first, user-owned writing-style memory layer for AI.

中文说明 · English · 安装 · 界面预览 · 人工测试

中文说明

你不应该每换一个模型、一个工具或一个新对话，就重新复制一遍“请模仿我的风格”。

Liltloom（语织）是一个中文优先、由用户拥有的个人写作风格记忆层。它从合格的用户原生表达中提炼语言偏好，保存为结构化、可审阅的规则；当你确实需要 AI 模仿自己时，再把与当前任务有关的内容编译成一份短小、有界的 Style Context Packet。

它不是另一段越来越长的万能 Prompt，也不会默认把所有聊天原文塞进数据库。你能看到它学到了什么，随时修改、锁定、忽略、删除，也可以导出为可读 JSON 带走。

名字里的 lilt 是语调与节奏，loom 是织机：平时安静收集表达中的细线，需要时再把它们织进回答。

一眼看懂

| 能力 | Liltloom 的做法 |
| 自动学习 | 只观察通过资格检查的用户本人表达，过滤工具结果、助手内容、日志、代码、大片引用、疑似粘贴与秘密 |
| 静默保存 | 基础模式只累计统计特征和结构化规则；普通对话不额外调用模型，也不改变 system prompt |
| 显式取用 | 默认只有用户主动激活，或受控接口获得授权时，风格信息才进入写作任务 |
| 人工控制 | 规则可查看、新增、编辑、锁定、忽略和删除；使用前可以预览完整上下文 |
| 数据迁移 | 提供带版本的可读 JSON 导出；同一份数据协议可供不同 Agent / Harness adapter 复用 |
| 精度升级 | 原文片段与小模型分析是两个独立的高阶开关，开启前明确提示存储、调用和成本影响 |

为什么是“中文优先”

中文写作的风格不只是一组形容词。标点是全角还是半角、单句多长、自然段如何推进、什么时候列点、标题密度，以及“直接”与“生硬”之间的距离，都会影响最终读感。

当前 MVP 已经把这些细节做进产品，而不只是翻译 README：

- 确定性提取中文句末标点、全角标点占比、句长、段落、列表和标题倾向；
- 自动生成可执行的中文风格规则，例如短句负担、自然分段和中文标点偏好；
- 设置界面、授权说明、风险提示和数据控制以中文为主，减少术语堆砌；
- 区分默认、技术、专业、社交和长文等文体，避免把一套语气强行用在所有场景；
- 中文文本可以直接学习和使用，不要求先翻译成英文，也不要求用户自己编写风格 Prompt。

中文优先不等于只支持中文。 Core 接受 Unicode 文本，Style Context 协议也不绑定语言；只是当前产品文案、默认规则和主要验收样本优先服务中文用户。英文与其他宿主可用，但成熟度暂时不与中文 + DeepSeek Harness 组合等同。

界面预览

以下界面来自目前维护最完整的 DeepSeek Harness adapter。Liltloom core 和数据格式不依赖 DSH，其他宿主可以使用不同的原生界面。

| 静默学习与取用设置 | 可检查、编辑和锁定的表达规则 |
| Liltloom 学习概览 | Liltloom 规则管理 |

| 使用前预览 Style Context Packet | 用户主动维护的个人上下文 |
| Liltloom 风格取用预览 | Liltloom 个人上下文 |

| 可读 JSON 导出、导入与永久删除 |
| Liltloom 数据控制 |

五分钟开始使用

当前正式维护的是 DeepSeek Harness Web adapter。要求 Node ^22.19.0 || >=24、pnpm，以及提供 storage-domain 的 DSH Web profile。

git clone https://github.com/Adkid-Zephyr/Liltloom.git
cd Liltloom
pnpm install
pnpm run check
dsh plugin --profile web add "$PWD"
dsh --profile web --dump-config
dsh --profile web

启动后打开 设置 → 插件 → Liltloom。建议第一次按这个顺序体验：

1. 在“概览”确认自动学习已开启、取用模式为“显式”；
2. 正常输入几段你本人写的中文，不需要专门喂样本；
3. 到“规则”查看学到的偏好，也可以补一条人工规则并锁定；
4. 到“预览”检查即将交给 AI 的 Style Context Packet；
5. 仅在需要模仿自己时激活风格，完成后关闭；
6. 到“数据”导出 JSON，确认数据可以由你带走和编辑。

完整逐步验收见 人工测试指南。也可以从 GitHub Releases 下载构建好的 tarball。

从 DeepSeek Harness 源码运行

如果你正在 DSH 源码仓库内调试，把上面的 dsh 换成仓库中的 pnpm dsh：

pnpm dsh plugin --profile web add /absolute/path/to/Liltloom
pnpm dsh --profile web --dump-config
pnpm dsh --profile web

也可以自行打包安装：

pnpm pack
dsh plugin --profile web add /absolute/path/to/liltloom-0.2.0.tgz

当前 adapter 按 DSH 0.1.0-rc.5 生命周期设计，并使用公开的 0.1.0-rc.6 包完成构建测试。manifest 将宿主 API 标为 optional peers，只是为了避免 profile 的 pnpm 将宿主内建包误报为缺失依赖；运行时仍需要对应服务。

日常使用

原生设置界面

打开 设置 → 插件 → Liltloom，可以管理：

- 概览：学习状态、取用模式、Agent 接口和高阶功能授权；
- 规则：搜索、新增、内联编辑、锁定、忽略和二次确认删除；
- 预览：真正激活前检查完整、有界的 Style Context Packet；
- 高阶：维护自我描述与保留策略；原文样本只在主动读取时加载；
- 数据：导出/导入可读 JSON，或输入 DELETE 永久清空个人数据。

未激活时，Liltloom 不在对话输入区常驻，也不轮询；激活后才显示一个可随时关闭的小型状态条。

命令

所有 /liltloom 命令由 Harness 直接执行，不开启模型轮次；命令参数也不会复制进 session log。

/liltloom status
/liltloom list [default|technical|professional|social|longform]
/liltloom add [technical] 偏好先给结论，再给最少必要解释。
/liltloom edit
/liltloom lock|unlock|suppress|restore|delete

/liltloom preview [register] [deep] [self]
/liltloom use [register] [session] [self]
/liltloom off
/liltloom mode explicit|auto|disabled

/liltloom pause
/liltloom resume
/liltloom export
/liltloom import
/liltloom import-replace
/liltloom clear confirm

preview 显示将要使用的完整上下文；use 默认只影响下一次响应，加 session 后持续到 /liltloom off。mode auto 只允许当前 session 的 workspace 自动应用；当前消息里的“不要使用我的风格”仍有最高优先级。

数据存在形式

| 形态 | 用途 | 是否长期保存 |
| DSH storage-domain 记录 | 规则、统计聚合、设置、激活状态、watermark 和资源账本 | 是；Web 默认位于 $DSH_HOME/storages/style_memory.json |
| Versioned JSON export | 人工编辑、备份与迁移 | 由用户决定；格式见 liltloom-export.schema.json |
| Style Context Packet | 模仿写作时交给 Agent 的结构化规则与渲染文本 | canonical profile 不保存 prompt；激活后按宿主机制进入 runtime context |

基础模式默认不保存完整对话原文。不要把底层 style_memory.json 当作长期迁移格式；它包含运行时状态，未来后端也可能换成 SQLite。导出 JSON 才是稳定、可读、可编辑的迁移边界。

卸载插件不会自动删除个人数据。需要彻底清除时，先运行 /liltloom clear confirm，再执行：

dsh plugin --profile web remove liltloom

可选的高阶能力

Deep Style：保留少量原文片段 Deep Style 默认关闭。开启后，只从通过基础资格检查且不少于 100 字的用户原生文本中保留稀疏片段；疑似 secret 的内容直接拒绝。

/liltloom deep on
/liltloom exemplars [register]
/liltloom exemplar-lock|exemplar-unlock|exemplar-delete
/liltloom deep off keep
/liltloom deep off delete

MVP 每段最多 1,200 字、默认保留 90 天、最多 200 条、总计最多 240,000 字。配额达到后按锁定状态、质量和时间淘汰低价值的未锁定记录；锁定记录不会自动过期。关闭时必须明确选择保留或删除已有片段。

小模型分析

小模型只补充确定性统计不擅长的语义风格规则。插件不捆绑模型，也不把“免费模型”假设为无限资源：必须显式配置独立 provider/model 路线，再由用户运行 /liltloom analysis on 首次授权。

分析最多一个并发调用；失败尝试也计入每日调用和输入额度；输出经过严格 schema 校验后才会合并。路由失败只暂停分析，不影响聊天和本地规则学习，也不会回退到其他模型。完整配置项见 cordis.patch.yml 与 资源和保留规范。

最小个人上下文

MVP 只保存用户亲自填写的一段自我描述，不从普通对话推断人格：

/liltloom self 我重视直接、诚实和清晰的沟通。
/liltloom self-use on
/liltloom preview default self
/liltloom use default self
/liltloom self-clear

原文始终是权威来源；self-use 是独立授权，未开启时调用方会得到 SELF_CONTEXT_NOT_AUTHORIZED。

Core、适配器与 Agent 接口

Liltloom 是风格记忆层，不是只为某一个 Harness 写的插件：

| 层 | 责任 | 宿主依赖 |
| liltloom/core | 数据模型、原生文本资格检查、特征提取、确定性规则、Style Context 编译、可移植 JSON schema | 无 DSH 运行时依赖 |
| liltloom/adapters/dsh | DSH 会话事件、storage-domain、动态上下文、命令、tool、RPC 与原生设置界面 | DeepSeek Harness |

“可移植”描述的是协议和核心边界，不是假装所有宿主都已经完成。0.2.0 只有 DSH adapter 达到可安装、可测试状态；后续 adapter 应复用同一份 portable export 和 Style Context Packet。

目前提供四层调用方式：

1. liltloom/core：供其他宿主 adapter 复用的 TypeScript 核心；
2. ctx.styleMemory：供受信任 DSH 插件调用，提供 query、compile、activate、CRUD 和 export/import；
3. style_context model tool：默认不注册，用户执行 /liltloom tool on 后才出现；
4. /liltloom-rpc：仅供 loopback 原生 Web 客户端调用的结构化通道，不是公开远程 HTTP API。

这些接口最终使用同一套编译器、授权规则和 token 上限。在 explicit 模式下，model tool 只有在当前用户消息明确要求“按我的风格写”时才会成功。

SDD 与验收

这个 MVP 按 Specification-Driven Development 推进，Vision、行为、数据、接口、隐私和验收之间有可追踪关系：

- MVP Goal · Vision · Product behavior
- Domain model · Style Context API
- Privacy, resources, and retention · Storage and migration
- Acceptance specification · Traceability matrix
- DSH integration · Portable core and adapters
- Executable schemas · Decision records · Gate status
- Verification record · Manual testing guide

运行全部无需密钥的验收：

pnpm run check
pnpm run pack:check

MVP 已知边界

- 首版只有 DSH adapter 达到正式支持状态，并要求带持久存储的 DSH Web profile；
- 原生界面目前中文优先，尚无独立 dashboard、移动端或跨设备同步；
- 没有 embeddings、向量库、微调、事实记忆或自动人格推断；
- token 数是保守估算，不是特定 provider tokenizer 的精确计数；
- 小模型批次只保存在机会性短期队列中，不会为了重试持久化原始分析样本；
- DSH 仍处于 release-candidate 快速变化阶段，升级时需要重新执行 lifecycle 验收。

Liltloom 是一个面向中文优先、用户自有的 AI 写作工具写作风格记忆层。 它从符合条件的用户原创文本中学习结构化且可审查的偏好，然后仅在用户明确希望 AI 以其风格写作时，编译一个有界的风格上下文包（Style Context Packet）。

基础模式存储的是聚合特征和规则，而非完整的对话记录。每一条学习到的规则都可以被检查、编辑、锁定、抑制、删除，并导出为带版本号的 JSON。原始范例和小模型分析是独立的可选功能，具有明确的存储和资源影响。

中文是当前产品的主要语言：确定性提取器覆盖中日韩标点、句子节奏、段落划分、列表和标题；原生设置界面和默认生成的规则均以中文优先。核心协议保持 Unicode 和宿主无关，因此中文优先并不意味着仅支持中文。

DeepSeek Harness 是首个维护且目前支持最好的适配器——并非 Liltloom 的产品边界。参见五分钟开始使用、数据存在形式、界面预览以及手动测试指南。

社区 / Community

欢迎中文问题、功能建议、宿主适配器和 Pull Request。新 adapter 需要保留显式授权、可移植导出、有界上下文和诚实的隐私语义。

Issues and pull requests are welcome. New host adapters should preserve explicit authorization, portable exports, bounded context, and honest privacy semantics.

提交 Issue · 查看 Releases · 产品界面截图

MIT License